关于

一本关于数据分析、建模、治理与应用型 AI 的实践笔记。前提很简单：一旦你理解了某个工具当初要解决的问题，它就很容易学；在那之前，几乎不可能用好。

这里的一切都免费阅读，无需注册，也没有付费墙。作者是一名从事分析、数据工程与治理工作的数据从业者——欢迎指出错误，更正会被公开发布。

这些文章是怎么写的

01先讲想法，再讲工具每篇文章都先用平实的语言说清问题，然后才提任何技术名词。工具会变；问题比它们都更古老。

02给出可验算的例子，而不是口号每个论断都附上 schema、查询语句或算术，让你能自己验证。

03明确指出会在哪里出错什么会崩、你如何察觉——这是大多数文章省略的部分。

04有出处，也可修订论断都注明来源，更正会公开发布，而不是悄悄改掉。

“学数据不是背语法或追潮流，而是建立能熬过下一轮工具更替的心智模型。”

Codd, E. F. (1970). A Relational Model of Data for Large Shared Data Banks. CACM 13(6).

Foundations

Kimball, R. & Ross, M. The Data Warehouse Toolkit, 3rd ed.

Data systems & platform

Tukey, J. W. (1977). Exploratory Data Analysis.

Analytics in practice

Wickham, H. (2014). Tidy Data. Journal of Statistical Software 59(10).

Analytics in practice

Sculley, D. et al. (2015). Hidden Technical Debt in Machine Learning Systems. NeurIPS.

AI & applied intelligence

文章都会注明来源；这里没有任何一处要求你凭信任接受结论。

这里的一切都免费阅读，无需注册，也没有付费墙。作者是一名从事分析、数据工程与治理工作的数据从业者——欢迎指出错误，更正会被公开发布。

01先讲想法，再讲工具每篇文章都先用平实的语言说清问题，然后才提任何技术名词。工具会变；问题比它们都更古老。

02给出可验算的例子，而不是口号每个论断都附上 schema、查询语句或算术，让你能自己验证。

03明确指出会在哪里出错什么会崩、你如何察觉——这是大多数文章省略的部分。

04有出处，也可修订论断都注明来源，更正会公开发布，而不是悄悄改掉。

“学数据不是背语法或追潮流，而是建立能熬过下一轮工具更替的心智模型。”

Codd, E. F. (1970). A Relational Model of Data for Large Shared Data Banks. CACM 13(6).

Foundations

Kimball, R. & Ross, M. The Data Warehouse Toolkit, 3rd ed.

Data systems & platform

Tukey, J. W. (1977). Exploratory Data Analysis.

Analytics in practice

Wickham, H. (2014). Tidy Data. Journal of Statistical Software 59(10).

Analytics in practice

Sculley, D. et al. (2015). Hidden Technical Debt in Machine Learning Systems. NeurIPS.

AI & applied intelligence

文章都会注明来源；这里没有任何一处要求你凭信任接受结论。